Idealisti

Big data se v našem posledním výzkumu marketingových termínů posouvají z buzzwordů mezi vážně brané trendy. Přesto kolem nich stále přetrvává určitá kontroverze - na jedné straně skepse ohledně reálných přínosů, na straně druhé očekávání, že jde o univerzální recept na většinu firemních problémů se zákazníky. Zkusili jsme zjistit, co si o tom všem myslí Radovan Jirka - člověk, kterého práce s daty živí a má s nimi velmi praktické zkušenosti.

Říkáš si datový detektiv. Co taková práce obnáší a jak ses k tomu dostal?

Moje datové “detektivování" je výsledkem pestré profesní dráhy od tradičního ajťáka, přes dlouhé roky v business consultingu až po marketing a taky třeba produktový management.

Firmy dneska mají spoooustu dat: o zákaznících, o prodejích, o svých výkonech, o skladových zásobách, o finančních pohybech, o tom, jak se jejich (potenciální) zákazníci chovají na jejich webu, ale také obecně na internetu, ale taky mnoho a mnoho excelů s dílčími evidencemi plánů, kalkulací a kdo ví, čeho všeho.

Moje práce je vyndat ta data z krabic, kde jsou (často ne příliš) hezky uložena, dát je do souvislostí, vizualizovat, intepretovat a pomoci firmě odpovídat na otázky jako "proč nám klesá obrat?", "kde můžeme efektivně ušetřit?", "kde najít příležitost, jak se zlepšit a / nebo vymezit vůči konkurenci?" nebo "co můžeme udělat proto, aby splnění letošního plánu nebylo jen dílem šťastné náhody?"

Spojuji zákaznickou zkušenost, zkušenosti z různých business oblastí s aplikací nástrojů Business Intelligence. Kdybych měl vymyslet nějaký pěkný buzzword, tak bych to nazval "Data-Driven Business Consulting".

Zaznamenal jsem na mnoha úrovních nedůvěru k termínu big data. Když se výhrady pokusím shrnout - je to jen buzzword, který velkým IT firmám umožňuje takhat peníze z kapes zákazníků (viz kupříkladu článek Jiřího Hlavenky). Já ale vím, že jsi byl v poslední době u několika projektů, kde implementace big data nástrojů výrazně pomohla jak strategickému rozhodování, tak každodennímu řízení firmy. Můžeš své zkušenosti přiblížit?

První implementaci jsme dělali s Keboolou v Centrum Holdings (dnes součást Economia). Začalo to jednoduchým zadáním vyřešit sales reporting prodeje produktů pro malé a střední podniky. Motivací bylo nahradit lidskou práci s mnoha excely strojem: ušetřit a také výrazně zpřesnit prezentované výsledky. Produktové portfolio zahrnovalo desítky různých produktů, které prodávala heterogenní prodejní sít o více jak 150 obchodnících, s podporou nemalého back office. Obrat pomaličku klesal, zákazníci mizeli. Implementace a postupný rozvoj big data nástrojů postupně vedla až k tomu, že jsme byli schopni přebudovat celé produktové porfolio, dramaticky ho zeštíhlit a zefektivnit práci celé prodejní organizace. To všechno relativně velmi bezpečně, protože jsme - zednodušeně řečeno - věděli, co děláme. Všechny změny byly postupné a striktně řízeny daty. S přesností na 90 % jsme byli schopni predikovat objemy prodejů a dopady změn v produktech do obratu celé organizace. První kolo investice do big data se firmě vrátila asi za 6 týdnů.

Slevomat, kam jsem před víc jak 1,5rokem vstoupil, šel ještě dál. Je to 100% data-driven firma. Užívání big data je doslova denní rutina a to na všech úrovních řízení. Myslím, že úspěch Slevomatu mj. stojí na tom, že dokáže rychle inovovat a prakticky okamžitě měřit dopad takových inovací a pak se rychle rozhodnout, zda jít daným směrem, nebo zkusit něco jiného. Ta firma se učí ze svých dat. Spousta změn jsou vlastně řízené experimenty, které musejí být rychle a hlavně správně vyhodnoceny. Velmi důležitou součástí je mj. používání big data coby motivačního nástroje. Každý z obchodníků (ale třeba také operátorů zákaznické podpory) má svoji "žízalu" (jednoduchý graf, ukazující aktuální plnění jeho individuálního cíle), kterou každý den sleduje… ještě zajímavější je, když jednotliví členové týmu můžou takto soutěžit mezi sebou… jde jen o to, vidět i "žizaly" ostatních. Má to skvělý gamifikační prvek… a přitom to jsou jenom nějaký "hloupý grafíky".

Dneska pracuji na dalších projektech podobného rázu. Všechny mají společný prvek: správně intepretovaná data jsou klíčem k tomu, aby daná firma lépe rozuměla tomu, co se v jejich businessu děje, proč se tomu tak děje a hledala způsoby, jak to pozitivně ovlivnit: jak víc vydělat, ušetřit nebo snížit riziko.

Je nesmírně užitečné (viz case study), co umí třeba udělat Josef Šlerka při spojení transakčních dat a "lajků" konkrétních uživatelů na Facebooku. Vznikají tak zajímavé segmentace, které dokaží říci o zákaznících mnohé. Z mého pohledu ale často neodpoví na důležitou věc - proč se zákazníci chovají daným způsobem a jaké jsou “drivery” situace. Máš s tím praktickou zkušenost?

Na takovém projektu jsme právě s Pepou ve Slevomatu pracovali. První dojem byl "wow, to je pecka, konečně víme, kdo jsou naši zákazníci". Vedlo to k prvním velkým rozhodnutím o tom, jak např. stavět sortiment nabízeného 'modního zboží. Bohužel, další pokusy používat takové segmentace ztroskotaly. Ze všech těch dat, co jsme měli k dispozici, nelze jednoduše vyčíst, proč se tak zákazníci chovají. A na tom zhavarovala většina pokusů takovýto typ segmentace používat. Myslím, že to je největší úskalí mnoha představ o tom, s čím můžou big data dneska opravdu reálně pomoci. Často se mě firmy ptají, jak to udělat, aby "viděli zákazníkovi do hlavy". Největší omyl je, že "když budu o zákazníkovi vědět všechno", tak k toho vyplyne, jak se bude rozhodovat. Dokonce, ani když máte life-style data o vašich zákaznících (nebo aspoň jejich vzorku), často je obrovský problém taková data interpretovat. Praxe ukazuje, že takové závěry jsou velmi často chybné.

Je třeba si přiznat, že nikdy nebudeme znát všechny aspekty, které skutečně ovlivňují zákazníkovo chování. A už vůbec, že je dokážeme všechny ovlivnit. Praktické zkušenosti úspěšných BI implementací spíš ukazují na jinou cestu: hledat v datech trendy a aspekty, které je ovlivňují a pak se vůči takovým trendům přimknout nebo naopak vymezit… a experimentovat a experimenty vyhodnocovat.

Ve Slevomatu třeba pomohlo, když jsme šli společně za zákazníky na prodejnu a viděli jsme, jak ti lidé skutečně vypadají, mluví, přemýšlí...

To je pravda. Z dat lze odpověd na otázky typu “proč nám klesá obrat”, kdy je dobře vidět, že lidé změnili nákupní chování, ale už se nedozvíš, proč to chování změnili. Bez rozhovoru s nimi to prostě nejde. Na formě asi už tak nezáleží - jestli je to na prodejně, u nich doma nebo přes nějaký klientský board.

Jak vypadá typická firma, které mohou big data přinést nějakou výhodu? Předpokládám, že základem velká databáze transakčních dat o klientech?

Mít miliony řádků v databázi není ten hlavní předpoklad. Dnes pracuji pro firmu, jejíž všechny databáze nemají ani 1 milion řádků dohromady a přesto velmi profituje z big data. Největší přínos spatřuji v propojení dat do souvislostí, což přináší exponenciálně rostoucí řadu nových pohledů na business firmy. Druhý je potom dramatické snížení nákladů na lidskou práci, pokud chcete/potřebujete nějaký datový pohled aktuální ne jen jedenkrát do měsíce, ale třeba každý den. A vždycky stejně a správně.

Můžeš jmenovat nějaké typické obory?

Tak kromě dnešních "tradičních data businessů", jako je veškerý online business, telco, finance nebo media, pronikají big data nástroje díky velmi příznivé ceně i do různých službových odvětví, retaillu, konzultačních služeb i do výrobních a zpracovatelských odvětví.

Možná by bylo něco zajímavého říci o technologii, kterou používáš? Jsou to GoodData, že?

:-) JJ, GoodData je super "prohlížečka" na data. Používám je v tandemu s Keboola Connection - platformy kluků z Keboola, postavené na extrakci dat z různých datových zdrojů, jejich transformaci (čištění, dopočet některých datových dimenzí, používaných pro reporting) a ládování dat do GoodData. Kromě toho, že tyhle dvě technologie jsou dneska bez přehánění špičkou v oboru, je jejich obří výhoda cenová dostupnost i pro menší firmy a to hlavně díky tomu, že jsou to plně cloudová řešení (nebo chcete-li SaaS - software as a service) - nic neinstalujete, jen používáte. A díky cloudu máte přístup ke špičkovým technologiím s parametry, kterých dosáhnout vlastním řešením je otázka investice milionů dolarů. V cloudu si to samé pronajmete za maximálně stovky dolarů měsíčně.

V Idealistech se zabýváme značkou. Jak ty vidíš spojení brand managementu a big data technologie?

Velmi těsně. Pro mě brand zachycuje celou vizi, poslání a strategii firmy. Říká, co firma je, pro koho je a čím se odlišuje. Od brandu firma odvozuje svoje produkty, procesy a celou komunikaci. A pokud to nejsou jen plané sliby v nějakém Power Pointu, je nezbytné tohle všechno měřit. Mít nějaké zrcadlo, že to, co firma slibuje v brandu je opravdu a reálně naplňováno. A big data takové kouzelné zrcadlo jsou. Dávají tvrdý obraz o tom, jak je brand doopravdy naplňován. Pokud např. firma ve svém brandu proklamuje prozákaznickou orientaci, musí mj. průběžně měřit a vyhodnocovat zákaznickou spokojenost, stejně jako dílčí parametry zákaznické podpory. Výstupy big data jsou taky velká inspirace, kam brand posouvat. V Centrum Holdings poctivá práce s big data přispěla až ke vzniku nové značky Agentura Najisto.

Na závěr by mě zajímalo, jak myslíš, že se bude oblast big data vyvíjet v Česku? Vidíš tam nějaké zajímavé trendy, posuny?

Dovolím si toto komentovat z perspektivy malých a středních podniků, na které se dneska specializuji. Big data jsou díky cloudu dostupnější stále širšímu okruhu zájemců. Díky tomu pronikají i do mnohem menších firem, než bývalo před několika málo lety běžné. Vznikají specializovaná řešení pro různá odvětví, dostupná i pro velmi malé firmy, jako např. český projekt Data Monkey. Přibývá také konzultantů, kteří s těmito technologiemi umí pracovat a dokáží big data know how velkých korporací přenést do segmentu malých a středních podniků.

Stále více se pracuje s veřejnými datovými zdroji. Různými rejstříky či informačními službami, které zdarma či za poplatek nabízejí i velmi detailní informace o firmách, zákaznících, zakázkách, konkurenci ale také třeba předpovědí počasí, která je pro některé businessy poměrně klíčová - protože např. když je hezky, tak lidi leží u vody, ale prostě neklikají:-).

Důležitým směrem je dostat se od pouhého měření (co bylo) k predikcím (co bude). Tento trend je v korporátním big data už několik let aktivní, nicméně opět díky větší dostupnosti je možné tyto "elektronické vědmy" zpřístupnit výrazně širšímu okruhu firem. Cílem je nedívat se pouze, co se stalo, ale dokázat s vysokou mírou přesnosti odhadnout, co se stane a být připraven na to reagovat - třeba navýšit počet operátorů vaší zákaznické linky nebo naopak omezit možnosti doručování přes vybranou spediční službu, když lze odhadnout, že díky špičce v prodejích bude docházet ke zpoždění v dodávkách.

Velkým trendem je zpracování nestrukturovaných dat. Pokud vaši zákazníci hodnotí vaše služby i textově, denně vám může přibýt i několik desítek tisíc odstavců textu, které je třeba nějak zpracovat a vyhodnotit. A to bez strojového zpracování není vůbec v lidských silách.

Poslední, co bych zmínil, je data streaming. Big data nejsou už jen o extrakci dat, která někde leží, ale i o zpracování datového toku v reálném čase. Zpracování 1x za noc už nestačí. Firmy potřebují reagovat v reálném čase na obchodní příležitosti, které "tečou" okolo nich.

O tom všem se v českých vodách už několik let mluví na konferencích, ale když jste chtěli vidět konkrétní case study, vždycky jste nakonec museli do zahraničí. Dneska ale tyhle projekty už v česku najdete. A to je moc dobře.

Tip: Chcete zůstat v kontaktu s trendy v marketingu? Přihlašte se k našemu newsletteru!

Autor úvodní fotografie: Justin Grimes